4.livox hap(大疆激光雷达)环境搭建

       本文是在rk3588设备的ubuntu20.04的系统环境下搭建livox hap的。大概的步骤分为:

一、gcc、g++、cmake 的安装

二、ros安装(上一章已介绍)

三、Livox SDK2的编译

四、livox_ros_driver2的编译

五、hap的点云视频录制、点播点云视频bag、bag格式转为pcd格式、pcd文件的查看

       一些内容看了两个博主的步骤,分别是

      Livox HAP 一文搞定HAP激光雷达的连接和使用(详细版)_livox激光雷达-CSDN博客

      LIVOX HAP激光雷达使用方法_livox 浩界 hap_半熟芝士味的博客-CSDN博客

      点云数据按照特定时间的抓取在下一章写(python文件),下面具体介绍:

一、gcc、g++、cmake 的安装

    1.gcc、g++的安装

       查看gcc是否存在

gcc -v

   查看g++是否存在

g++ -v

   安装gcc、g++,终端分别运行下面两行代码

sudo apt-get update
sudo apt-get install build-essential

  注意:如果以上代码安装报错,则用aptitude安装。分别运行以下代码

#1.安装aptitude
sudo apt install aptitude

#2.安装build-essential
sudo aptitude install build-essential

  中途遇到[Y/n/q/?]时,输入Y后再enter键即可。

  2.cmake 的安装

sudo apt install cmake

二、ros安装(上一章已介绍)

       可以看3.ubuntu20.04环境的ros搭建-CSDN博客

三、Livox SDK2的编译

     下载和编译Livox-SDK2

$ git clone https://github.com/Livox-SDK/Livox-SDK2.git
$ cd ./Livox-SDK2/
$ mkdir build
$ cd build
$ cmake .. 
$ make -j
$ sudo make install

      注意:在make -j可能会报错,处理错误的方法看【问题解决】C++: fatal error: Killed signal terminated program cc1plus_tiffiny10的博客-CSDN博客  具体方法如下:

# 创建分区路径
sudo mkdir -p /var/cache/swap/
# 设置分区的大小
# bs=64M是块大小,count=64是块数量,所以swap空间大小是bs*count=4096MB=4GB
sudo dd if=/dev/zero of=/var/cache/swap/swap0 bs=64M count=64
# 设置该目录权限
sudo chmod 0600 /var/cache/swap/swap0
# 创建SWAP文件
sudo mkswap /var/cache/swap/swap0
# 激活SWAP文件
sudo swapon /var/cache/swap/swap0
# 查看SWAP信息是否正确
sudo swapon -s

  然后再次运行

make -j

四、livox_ros_driver2的编译

  这里我装的是ROS1,所以下面直接按照ROS1按照了。

   1.下载livox_ros_driver2。注意,下载在文件夹src/下:

git clone https://github.com/Livox-SDK/livox_ros_driver2.git ws_livox/src/livox_ros_driver2

   2.编译 livox_ros_driver2。注意,在文件夹src/livox_ros_driver2/下编译:

source /opt/ros/noetic/setup.sh
./build.sh ROS1

   3.网络配置。

  设置静态网络,根据官网将服务器或者rk3588设备配置ip为192.168.1.50,网关为255.255.255.0,如下图:

       修改路径/src/livox_ros_driver2/config/下的文件HAP_config.json,上面我们将IP修改为了192.168.1.50,那么打开该文件,将该文件的3个IP都修改为192.168.1.50,如下:

{
  "lidar_summary_info" : {
    "lidar_type": 8
  },
  "HAP": {
    "lidar_net_info" : {
      "cmd_data_port": 56000,
      "push_msg_port": 0,
      "point_data_port": 57000,
      "imu_data_port": 58000,
      "log_data_port": 59000
    },
    "host_net_info" : {
      "cmd_data_ip" : "192.168.1.50",
      "cmd_data_port": 56000,
      "push_msg_ip": "",
      "push_msg_port": 0,
      "point_data_ip": "192.168.1.50",
      "point_data_port": 57000,
      "imu_data_ip" : "192.168.1.50",
      "imu_data_port": 58000,
      "log_data_ip" : "",
      "log_data_port": 59000
    }
  },
  "lidar_configs" : [
    {
      "ip" : "192.168.1.116",
      "pcl_data_type" : 1,
      "pattern_mode" : 0,
      "extrinsic_parameter" : {
        "roll": 0.0,
        "pitch": 0.0,
        "yaw": 0.0,
        "x": 0,
        "y": 0,
        "z": 0
      }
    }
  ]
}

4.连接Livox HAP。在文件夹/src/livox_ros_driver2/下运行:


source ../../devel/setup.sh
roslaunch livox_ros_driver2 rviz_HAP.launch

运行成功后得到界面如下:

五、hap的点云视频录制、点播点云视频bag、bag格式转为pcd格式、pcd文件的查看(用的上面  微博的内容)

   1.录制点云视频bag

    先根据四连接Livox HAP,建立一个要保存bag的新的文件夹,如建立/src/saves/,在该文件夹下运行:

rosbag record -a

   2.播放点云视频bag

   打开终端,输入

roscore

   再新打开一个终端,输入下列代码代开rviz:

rosrun rviz rviz

   设置rviz,在左边选项卡的左下角选add选项,添加PointCloud2。

   并将其下的topic改为/livox/lidar

   接着打开新终端,输入:

rosbag play xxx.bag

   此时文件就可以在rviz中播放了。

   3.bag格式转换为pcd格式

    首先需要知道自己的bag格式的topics信息,打开bag文件所在路径的终端,输入下面的命令:

rosbag info *.bag

   找到topics那一行,将后面的内容复制

rosrun pcl_ros bag_to_pcd 1.bag /livox/lidar pcd

   1.bag为bag文件名称;/livox/lidar为刚刚获取的topics位置;pcd为生成的pcd保存路径。

  4.查看pcd文件

   利用pcd_viewer查看pcd文件,输入下面命令

pcl_viewer xxx.pcd

        以上的环境搭建和使用就讲完了,其实就是查了很多资料再总结在了一起,希望大家少走弯路。下一章介绍怎样用python代码根据特定的时间自动保存bag文件及自动将bag文件转换为pcd文件。

  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Livox Hap激光雷达数据中的高程差特征点可以通过以下步骤提取: 1. 首先,将Livox Hap激光雷达数据加载到你的代码中。 2. 对于每个扫描线上的点云数据,计算它们的高程值,并将它们与相邻点的高程值进行比较。 3. 如果相邻点的高程值之间的差异超过一个阈值,则可以将其视为高程差特征点。 4. 使用高程差特征点的位置和高程值来进行进一步分析和处理。 下面是一个简单的Python代码示例,可以帮助你提取Livox Hap激光雷达数据中的高程差特征点: ```python import numpy as np import open3d as o3d # Load the Livox Hap point cloud data point_cloud = o3d.io.read_point_cloud("livox_hap.pcd") # Extract the Z-coordinate values from the point cloud data z_values = np.asarray(point_cloud.points)[:,2] # Compute the difference between adjacent Z-coordinate values z_diff = np.abs(np.diff(z_values)) # Define a threshold for the difference in Z-coordinate values threshold = 0.1 # Find the indices of the points where the Z-coordinate value difference exceeds the threshold feature_indices = np.where(z_diff > threshold)[0] # Extract the feature points from the original point cloud data feature_points = point_cloud.select_down_sample(feature_indices) # Visualize the feature points o3d.visualization.draw_geometries([feature_points]) ``` 这个示例代码可以帮助你提取Livox Hap激光雷达数据中的高程差特征点,并将它们可视化出来。你可以根据自己的需求,对代码进行修改和优化。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值